模型跑得快、評測跟不上？具身智能“本領”亟待統一“標尺”

多方上線具身智能評測平臺，行業加速探索統一標準 多方共建的常態化具身智能仿真評測平臺RoboColiseum正式上線，試圖為具身模型建立一套結果可信、過程可復現、且與真機表現高度一致的仿真評測體系。2026年過半，具身智能模型正在快速湧現。但模型數量的增長並未讓行業變得更清晰，恰恰相反，可選方案越多，橫向能力對標反而越缺乏統一參照。過去一年，國內外多家機構陸續發佈了具身基座模型和VLA（視覺-語言-動作模型），演示視頻中的抓取、放置、倒水、疊衣等操作愈加“絲滑”。然而，當前具身智能行業始終面臨一個現實困境：模型跑得快，評測跟不上。

模型的真實能力邊界在哪、短板集中在何處，全行業仍缺少一套系統、可信的衡量標尺。《科創板日報》記者獲悉，日前，高校、科研機構、開源社區、機器人企業和模型公司多方共建的常態化具身智能仿真評測平臺RoboColiseum正式上線，試圖為具身模型建立一套結果可信、過程可復現、且與真機表現高度一致的仿真評測體系。RoboColiseum項目負責人吳墨在接受《科創板日報》記者採訪時披露了兩項核心驗證數據：平臺仿真評測與實機部署的相關性達到89.5%，相同模型在仿真環境與真實世界中的評測差異小於10%。

這一結論並非憑空而來，吳墨介紹，團隊基於十幾個從簡單到複雜的評測任務，每個任務均在真機和仿真環境中各進行了50到100次對照實驗，最後通過線性擬合得出89.5%這一相關性。RoboColiseum平臺 Sim2Real實驗對比 與傳統評測以單一綜合成功率概括模型能力的方式不同，RoboColiseum圍繞不同能力維度設置多個任務集，考察模型在各個維度中的表現。據瞭解，RoboColiseum已上線指令跟隨、空間理解、擾動適應、通用操作4類能力子榜，以及78個高保真仿真評測任務、覆蓋3000 多個泛化的case。

“我們是基於考察機器人在真實世界中完成一系列任務，需要具備哪些不同維度的能力，最終總結出的4類能力子榜。”吳墨向記者解釋了這一設計邏輯，“這個評測維度會去考驗模型能否聽懂指令、能否理解空間世界、能否去抵抗真實世界的擾動，最後完成指令操作的相關任務。” 與此同時，平臺還對每項任務做了子步驟拆解，實現失敗原因可追溯。評測過程中，系統不僅判定任務最終成敗，還會全程記錄模型完成的步驟、失敗節點，以及在不同場景下的泛化表現。自內測以來，RoboColiseum已有海內外40多支隊伍在平臺開展模型訓練與評測。吳墨透露，泛化性、長程精細操作等是目前多數模型的短板，後續將補充相關評測維度更新至平臺。

事實上，試圖補上評測標準短板的並非只有 RoboColiseum。事實上，今年以來，從官方機構到企業，再到學術社區，多方力量正在加速規範具身智能評測標準。2026年6月1日，由工業和信息化部批准發佈的《YD/T 6770-2026 人工智能 關鍵基礎技術 具身智能基準測試方法》正式實施，為具身智能領域首份行業標準。據介紹，該標準規範了在仿真環境和真實環境下，開展具身智能基準測試的環境設置、任務庫構建、測試過程和指標計算方法。在行業標準落地的同時，多家企業也推出了評測平臺。

光輪智能在北京人工智能創新高地建設推進會上正式發佈RoboFinals，基於100項高難度任務構建標準化評測體系；Dexmal原力靈機與Hugging Face共同發起開放式基準測試平臺RoboChallenge，平臺累計執行的真機測試總量已突破4萬次。國際上，加州大學伯克利分校、斯坦福大學、英偉達等機構聯合發起國際公開性具身智能機器人策略評測平臺。該平臺採用分佈式、眾包的真實世界評估網絡，通過超過600次雙盲真實機器人評估對比驗證方法有效性。儘管各方力量加速入局，但具身智能評測領域距離形成像大模型領域MMLU、GSM8K那樣的統一基準，仍有很長的路要走。具身評測為何如此之難？

本質差異在於評測對象的屬性不同。大模型的評測以靜態的問答數據集為主，跑一遍就能對比得分。但具身模型的評測需在動態的物理世界中進行，難以壓縮成一組標準問答。真機測試雖是最可靠的方式，但成本極高，一臺人形機器人動輒幾十萬，還需配套測試場地、運維工程師與長期調試周期等。此外，仿真評測最大的痛點還在於Sim2Real gap（仿真到現實鴻溝）。光照變化、物體位置偏移、材質差異等現實因素，都可能讓一個在仿真測試中表現良好的模型，在實際部署時出現“水土不服”。吳墨同樣指出，具身行業對模型還沒有一個統一的、權威的評測榜單。

主要由於行業和模型發展太快，大部分評測基準推出後不再更新，無法跟上模型迭代的節奏；同時，仿真與真機之間的gap如果過大，評測結果也難以真實反映模型表現。具身智能正處於從實驗室演示邁向規模化落地的關鍵節點，評測體系作為產業發展的核心基礎設施，重要性正日益凸顯。從官方標準落地到多方平臺相繼入場，行業正在共識形成的路上加速探索，《科創板日報》將持續關注。